Статья на тему: «Количественные и качественные методы педагогических и психологических исследований» (стр. 3 )

Еще одной принципиальной особенностью шкалирования, затрудняющей определение его места в общей системе научных методов, является совмещение в нем процедур сбора данных и их обработки. Можно даже говорить о единстве эмпирических и аналитических процедур при шкалировании. Не только в конкретном исследовании трудно указать на последовательность и разнесенность этих процедур (они часто совершаются одновременно и совместно), но и в теоретическом плане не удается обнаружить стадиальную иерархию (невозможно сказать, что первично, а что вторично).

Третий момент, не позволяющий однозначно отнести шкалирование к той или иной группе методов, – это его органическое «врастание» в специфические области знания и приобретение им наряду с признаками общенаучного метода признаков узкоспецифических. Если другие методы общенаучного значения (например, наблюдение или эксперимент) можно довольно легко представить как в общем виде, так и в конкретных модификациях, то шкалирование на уровне всеобщего без потери необходимой информации охарактеризовать весьма непросто. Причина этого очевидна: совмещение в шкалировании эмпирических процедур с обработкой данных. Эмпирика конкретна, математика абстрактна. Поэтому срастание общих принципов математического анализа со специфическими приемами сбора данных дает указанный эффект.

Осознав все эти факторы, относит шкалирование к разряду количественных методов обработки данных, поскольку в психологической практике можно различить две ситуации с использованием шкалирования. Первая – это построение шкал, а вторая – их использование. В первом случае все упомянутые особенности шкалирования проявляются в полной мере. Во втором же они отходят на второй план, поскольку использование готовых шкал (например, «стандартных» шкал при тестировании) предполагает просто сравнение с ними показателей, полученных на этапе сбора данных. Таким образом, психолог в этом случае пользуется лишь плодами шкалирования, причем на этапах, следующих за сбором данных.

Шкалирование – это процесс отображения по заданным правилам эмпирических множеств в формальные. Под эмпирическим множеством понимается любая совокупность реальных объектов (людей, животных, явлений, свойств, процессов, событий), находящихся в определенных отношениях друг с другом. Эти отношения могут быть представлены четырьмя типами (эмпирическими операциями): 1) равенство (равно – не равно); 2) ранговый порядок (больше – меньше); 3) равенство интервалов; 4) равенство отношений.

По природе эмпирического множества шкалирование делится на два вида: физическое и психологическое. В первом случае шкалированию подвергаются объективные (физические) характеристики объектов, во втором – субъективные (психологические).

Под формальным множеством понимается произвольная совокупность символов (знаков, чисел), связанных между собой определенными отношениями, которые соответственно эмпирическим отношениям описываются четырьмя видами формальных (математических) операций: 1) «равно – не равно» (= ≠); 2) «больше – меньше» (> <); 3) «сложение – вычитание» (+ -); 4) «умножение – деление» (х:).

При шкалировании обязательным условием является взаимооднозначное соответствие между элементами эмпирического и формального множеств. Это означает, что каждому элементу первого множества должен соответствовать только один элемент второго, и наоборот. При этом взаимооднозначное соответствие типов отношений между элементами обоих множеств (изоморфизм структур) не обязательно. В случае изоморфности этих структур производится так называемое прямое (субъективное) шкалирование, при отсутствии изоморфизма производится косвенное (объективное) шкалирование.

Итогом шкалирования является построение шкал, т. е. некоторых знаковых (числовых) моделей исследуемой реальности, с помощью которых можно эту реальность измерить. Таким образом, шкалы являются измерительными инструментами.

Отношения между элементами эмпирического множества и соответствующие допустимые математические операции (допустимые преобразования) обусловливают уровень шкалирования и тип получаемой шкалы (по классификации С. Стивенса). Первому, наиболее простому типу отношений (= ≠) соответствуют наименее информативные шкалы наименований, второму (> <) – шкалы порядка, третьему (+ -) – шкалы интервалов, четвертому (х:) – самые информативные шкалы отношений [7].

В отечественной исследовательской традиции выделяют также метод  контент-анализа, как метод количественного анализ текстов и текстовых массивов с целью последующей содержательной интерпретации выявленных числовых закономерностей.  Данный метод был разработан для преодоления неизбежного субъективизма в изучении документов.  Суть контент-анализа заключается в выделении специальных «единиц» текстового содержания (квантификация) и подсчете частоты их употребления, что должно отражать психологическую (в том числе социально-психологическую) ситуацию при создании документа, психологические характеристики его составителя и тех, кому он адресован.

В качестве указанных единиц анализа используются отдельные слова (символы), определенные суждения (мысль), темы сообщений, персонажи (отдельные герои, классы персонажей, группы). Часто за подобные единицы берутся авторы документов (например, писатели, корреспонденты газет, публицисты, комментаторы). Эти эмпирические единицы должны соответствовать определенным научным понятиям, в которых отражается исследовательская задача. Иначе говоря, «единицы» – это только индикаторы психологических идей, заложенных в исследовании.

Подсчет употребляемости тех или иных единиц анализа производится не только через частотный показатель, но и через физические единицы измерения. С их помощью количественно определяется пространство (или время) в сообщениях, уделяемое каким-либо единицам анализа: число строк, абзацев, страниц, площади в письменных материалах, число минут и часов в радио-, кино-, телематериалах [7].

Контент-анализ используется при анализе результатов применения прожективных тестов, материалов беседы и т. д. Несмотря на громоздкую процедуру, контент-анализ обладает массой достоинств: нет эффекта воздействия исследователя на поведение испытуемых, данные проверены на надежность [4; с. 38].

В современной науке наблюдается два полюса восприятия метода контент-анализа: количественный контент-анализ, интересующийся, в первую очередь, частотой появления в тексте определенных характеристик (переменных) содержания; качественный контент-анализ, позволяющий делать выводы даже на основе единственного присутствия или отсутствия определенной характеристики содержания.

Конечно, нельзя говорить о повсеместном использовании именно количественного контент-анализа. По мнению одного из основателей метода количественного анализа текстов лучше всего использовать количественный метод анализа данных в том случае, если требуется высокая степень точности при сопоставлении однопорядковых данных, если существует в наличии необходимое количество материала и он репрезентативен. 

Качественные методы. 

Качественные методы, по мнению , выполняют в психолого-педагогических исследованиях целый ряд важных познавательных функций, которые не могут выполняться количественными методами.

Известно, что источниками концептуальной динамики науки являются теория и эмпирическая действительность. В определенных пределах оба источника являются взаимозаменяемыми. Теоретически образованный исследователь обладает способностью формировать концептуальный образ, опираясь на минимум изначальных сведений. Разумеется, эти концептуальные образы являются предварительными, т. е. нуждаются в уточнениях, корректировках, наполнении эмпирическим содержанием. Однако наличие изначальной концепции позволяет вести эту работу целенаправленно и экономно (с малым количеством исследовательских ресурсов). Кроме того, теоретический багаж помогает оперативно менять элементы концептуального образа в соответствии с меняющейся обстановкой.

Исследователь, не обладающий хорошей теоретической подготовкой, может отчасти компенсировать ее отсутствие доскональным знанием изучаемой действительности. Знание такого рода может быть получено только достаточно глубоким «погружением» в эту действительность с помощью качественных методов (или обыденным «погружением»). Процесс формирования образов при слабой теоретической подготовке затруднен, замедлен, порой требует неординарных умственных усилий, но при хорошей осведомленности и каком-то минимуме теоретической подготовки все же возможен. Эффективное взаимодействие с эмпирической действительностью может, таким образом, компенсировать слабость теоретического задела, причем качественные методы в большинстве случаев являются более адекватными для решения этой задачи.

Применение качественных методов позволяет получить целостный образ изучаемого объекта или проблемы.  Это значительно облегчает задачу концептуального осмысления первичных данных и страхует исследователя от смыслового распада полученных им данных. Существование целостного образа социального объекта позволяет ставить новые вопросы и выдвигать гипотезы, которые могут проверяться как количественными, так и качественными методами. 

Далее, позитивистская трактовка алгоритмов научного исследования, которая признает доказательными только статистически достоверные результаты, игнорирует значимость единичных фактов, свидетельствующих о существовании (пусть без количественных оценок) некоторых значимых явлений. Выявление таких фактов можно уподобить существующим в математике и логике «теоремам существования»: наряду с логической процедурой доказательства существования идеальных объектов в науке существуют и процедуры доказательства существования эмпирических объектов. пишет: «Свобода от ограничений статистических предположений позволяет выявлять значимые различия, исключения, сложные образцы взаимосвязей. Качественные данные позволяют также прибегать к многослойным интерпретациям, возвращаясь к данным, полученным на предыдущих этапах исследования. [10; с. 127].

отмечает, что эффективно функционирующая наука отличается от дисфункциональной тем, что она характеризуется такими качествами, как мобильность, динамизм развития, высокая скорость концептуального обновления. В связи с тем, что концепции в динамично меняющейся науке непрерывно меняют свою внутреннюю структуру, непрерывно меняется и набор релевантных им переменных и тем самым обеспечивает непрерывный контакт с действительностью. Следовательно, науке остро нужны «гибкие» методики, способные оперативно менять набор фиксируемых переменных. Сказанное особенно относится к научным направлениям, переживающим период своего становления и находящихся на ранних этапах своей концептуальной структуризации. Прославленная в позитивистских учебниках задача строгого эмпирического доказательства отходит в этих условиях на второй план, уступая место задаче «качественного прорыва» на принципиально новые рубежи. Не всегда, но во многих случаях для достижения указанных целей более адекватны не количественные, а качественные методы исследования.